谷歌发布Gemini 3.5转写词错率2.6%

北京时间 2026 年 8 月 26 日晚，Google 通过官方博客与 The Keyword 发布新一代语音转文字模型 Gemini 3.5 Transcribe，定位为迄今最精准的语音转文本模型，将逐步取代 2025 年推出的 Chirp 3。 发布地点为美国加利福尼亚州山景城 Google 总部，发布主体为 Google DeepMind 的 Gemini Audio 团队，核心署名人为 Gemini Audio 工程高级总监 Diego Melendo Casado。 事件详情方面，Gemini 3.5 Transcribe 在 Artificial Analysis 评测中实现流式场景词错率（WER）4.0%、预录制场景 2.6%，相比上一代 Chirp 3 最终转写时间缩短 70%。在 FLEURS 多语言基准测试中，流式 WER 5.50%、非流式 5.04%。模型支持超过 85 种语言的自动检测与转写，可识别最多 3 位说话者并附时间戳，并支持自定义词汇表与语音指令编辑。开发者可通过 gemini-3.5-transcribe-live（实时流式 API）和 gemini-3.5-transcribe（预录制 API）两个接口接入。 背景方面，Google 此前已在 Gboard Android 的 Rambler 语音输入功能、macOS 版 Gemini 应用以及 Antigravity 开发平台中部署该模型的能力，本次是首次以完整 API 形式向开发者和企业开放。Gemini 3.5 Transcribe 与同期发布的 Gemini 3.5 Live、3.5 Live Experimental 一同构成 Gemini Audio 系列模型家族，分别覆盖转写、实时对话与复杂任务推理三种语音交互场景。 影响方面，Gemini 3.5 Transcribe 的发布将语音转文字从"逐字记录"推向"理解式转写"：模型可自动去除"嗯""啊"等口头禅、合并自我修正（如"周二——不，周三"），并通过 Function Calling 把复杂任务委派给其他 Gemini 模型执行，意味着开发者可基于此构建端到端的语音 Agent 工作流。Google 已宣布将模型集成至 Search Live、Gemini Live、Docs、Keep、Gmail 等所有自有产品，并将于近期登陆 Chrome 浏览器，在任意网页输入框中支持语音输入。 总结来看，Gemini 3.5 Transcribe 是 Google 继 Gemini 3.5/3.6/3.7 系列文本模型之后在语音模态上的又一次关键升级，凭借 2.6% 的非流式 WER、85+ 语言覆盖以及 70% 的延迟压缩，对标 OpenAI Whisper 系列与 ElevenLabs 等竞品，重新拉高了语音转写赛道的工程化门槛。 参考来源： - Google DeepMind 官方博客：https://deepmind.google/blog/intelligent-transcription-with-gemini-3-5-transcribe/ - Google 官方博客：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/ - Ars Technica：https://arstechnica.com/ai/2026/08/google-announces-gemini-3-5-transcribe-for-ai-powered-speech-to-text/ - 9to5Google：https://9to5google.com/2026/08/26/gemini-3-5-transcribe/ - Android Authority：https://www.androidauthority.com/google-introduces-gemini-audio-3703443/ - Unite.AI：https://www.unite.ai/gemini-live-gains-agentic-spark-tasks-daily-brief-and-voice-inbox-control/ - The Daily Tech Feed：https://thedailytechfeed.com/google-unveils-gemini-3-5-transcribe-with-gboard-rambler-chrome-coming-soon - 网易科技：https://www.163.com/dy/article/L5A98TQN055680UT.html - 搜狐科技：https://www.sohu.com/a/1068072612_122066679 - Cashwalk Labs：https://cashwalklabs.io/news/google-launches-gemini-35-transcribe-which-powers-rambler